用途：把视频（YouTube 播放列表、文件、多场次长视频流等）转化为可发布的摘要站点：概览卡片网格进入每场详情（TL;DR、“带到工作中去”的要点、幻灯片配字幕），可选双语切换与综述文章。由 AIE WF2026 流程泛化而来。
主要能力（阶段技能可组合）：1 摄取 video-digest-ingest：源（URL/播放列表/文件夹）→ video.mp4、转录文本、每项 30 秒时间线。2 分段 video-digest-segment：仅用于多场次长视频流，时间线 → talks.json；单个视频由摄取自动生成 1 场 talks.json。3 总结 video-digest-summarize：转录切片 → sessions/.md、.take.json，可选 zh.json。4 幻灯片 video-digest-slides：亮点 → 候选帧 → 拼图 → 视觉挑选帧（sel_*.json）。5 建站 video-digest-site：全部产物 → index.html/dist/（可选综述），通过 here-now 或 Artifact 发布。
按来源形态路由：YouTube 播放列表/视频文件夹则每个视频作为独立条目（跳过分段），每组对应一个播放列表/文件夹；多场次长视频流视为一个条目再分段；单场演讲视频视为一个条目并跳过分段。
项目结构：digest.json 为配置（标题、品牌、受众、语言、slide_cap、术语表 glossary、非语音 nonspeech 等）；groups/<group>/group.json 与 <item>/（source.json、video.mp4、transcript/、talks.json、manifest.json、highlights.json、zh.json、sessions/、frames/、montages/、clips/）；dist/ 为发布站点；narrative.json 与 narrative.zh.json 为可选综述。所有文本字段可写字符串（仅英文）或 {"en":..., "zh":...}。audience 引导要点提示；languages 加 "zh" 启用繁中切换并需翻译步骤；slide_cap 限制每场嵌入幻灯片数（here.now 超过 1000 个文件会发布失败）。glossary/nonspeech 用于转录修正，建议先为空，读完试跑转录后填写。
工作流：先探测来源（统计视频数与总时长）；估算下载约每小时视频 2–5 分钟（≤720p），mlx-whisper large-v3-turbo 在 Apple Silicon 上约 10–15× 实时，磁盘约每小时 0.5–1 GB。批量处理前先对单个条目端到端试跑（摄取→总结→幻灯片→建站），检查输出并修正配置后再批量。摄取应串行（并发 Whisper 会耗尽内存）；LLM 阶段可按约 5 场/代理展开。综述默认每份摘要都做：全部演讲处理完后运行建站技能的语料步骤，用最强模型写 narrative.json，双语时另写 narrative.zh.json。站点构建后在浏览器检查并发布（文件夹用 here-now，单文件 ≤8MB 用 Artifact）。已处理条目记录在 <project>/ingested.json，重跑时跳过。模型分档：分段与校验用强模型（易出错，草率会漏掉演讲）；总结、要点用 sonnet；幻灯片选择用 haiku/sonnet；幻灯片校验用 sonnet；翻译用 sonnet（有质量投诉才用 opus）；综述用最强模型。每阶段按条目幂等，可单独重跑任一 LLM 阶段后重新建站。持续更新的播放列表/频道：重新探测，仅摄取未登记条目，重建并复用同一 slug/URL 重新发布。
限制：资料未提供具体安装命令、收费或价格信息；需按上述阶段技能与配置使用，多场次长视频流才需要分段，其他形态跳过；转录自动生成，人名准确率约 95%（示例值）。